采用聚類方法監測高密集度人群聚集區域

菅肖霞 顧海

摘 要：高密度人群聚集區域存在嚴重安全隱患，為避免由此引發的擠壓踩踏事故，可采用基于密度的網格聚類方法，定義網格、密度、高密度的臨界值等參量，建立人群密度監測模型，標記高于臨界密度值的區域，并發布警示信號，引導人群避免聚集，合理疏散，實現大型活動場站的安全疏散管理。

關鍵詞：人群;聚集;聚類方法;密度

一、高密度人群聚集現象

高密度人群聚集現象隨處可見。比如，地鐵、火車站等室內大型場站，是分散在不同城區出行人員的匯集點，會頻繁出現聚集現象。加之，目前城際交通系統飛速發展，人員流動不斷增加，尤其節假日期間，不同城區、不同城市間的人員流動增長迅速，成倍地、頻繁地加重地鐵、火車站等場站的聚集程度。此外，各大中型城市中大量的開放性活動廣場內有各種各樣大型活動，可能是有組織的活動，也可能是群眾自發的大型活動，同樣會有不同程度的人群聚集現象。

國內外大型活動中經常會突發踩踏事故，均有不同程度傷亡。踩踏事故發生主要是大規模人群聚集，行人進退兩難，在高密度人群壓力下，若有行人窒息倒地，其他行人的身體平衡受到影響，產生“多米諾”效應，行人相繼倒地，在事發地周圍引發恐慌，行人逃離路線混亂，而遠處人群對事發地的路況信息不明確，繼續向事發地行進，使整個人群系統進入惡性循環。從聚集程度講，事故區域的密度較高，又沒有得到及時疏散，是誘發倒地踩踏事故的重要原因之一。因此，需要考慮監測高密度人群，防患于未然。

二、應用聚類分析方法監測高密度人群聚集區域

隨著人群聚集密度不斷升高，需要管理者在密度達到某個臨界值前，對人群進行合理疏散，否則將造成嚴重的人員傷亡。這里我們將采用基于密度的網格聚類方法監測高密度人群聚集區域，為安全疏散管理措施的設計與實施提供必要的理論基礎。

1.基于密度的網格聚類

聚類分析方法是一類典型的數據挖掘方法，根據在數據中發現的描述對象及其關系的信息，將數據對象分組;組（簇）內部對象具有公共特性，不同組的對象特性不同。根據簇類型的不同，可將聚類方法分為不同類型，比如，明顯分離、基于原型、基于密度、基于圖聚類等。這里我們將預測人群聚集區域的密度，因此，選擇基于密度聚類中的網格聚類方法[1]。

首先，定義網格與密度，設定密度臨界值。將監控場景全域所在的水平地面作為二維數據分布區域，場景中行人投影到水平地面上作為數據點，將行人的位置點用二維坐標表示，然后利用等間距的二維正方形單元將場景區域網格化，其中網格邊長可以根據測試需要調整。由于是均勻網格，在定義人群密度時只需關注人數，不考慮面積。因此，每個網格單元的密度定義為網格中行人的個數。

其次，高密度網格單元形成聚集區域。計算每個網格的密度，與臨界值比較，超過臨界值的、相鄰近的網格構成聚集區域。其中，鄰近的網格可以定義為以一個網格單元為中心，其水平與垂直方向上的四個網格單元構成鄰近網格，也可以是水平與垂直方向、對角線方向上的八個網格單元構成的鄰近網格，這些鄰近高密度網格單元構成高密度人群聚集區域。注意到，不同的鄰近區域定義可能丟失周邊的低密度網格單元，造成簇凝聚不完整，但是我們只需要高密度聚集區域，并不需要完整的簇，因此，此設計是合理可行的。

2.監測高密度人群聚集區域

利用基于密度的網格聚類方法是可以得到高密度聚集區域，但是要得到合理而精準地數據，還是要對網格劃分尺度、密度定義、密度臨界值定義、鄰近區域定義加以校準。比如，網格劃分太細，網格單元尺寸太小，可能每個網格單元最多包含一個行人或者單元中沒有行人，也就是說密度取值只有0和1，無法合理預測高密度人群。網格劃分太粗，網格單元尺寸太大，每個單元容納的人數就較多，人群在網格單元分布的稀疏程度不同，其內部有些局部區域密度可能超過臨界值，有些局部區域密度較低，總的單元密度可能沒有達到臨界值，造成局部高密度區域沒有被發現的錯誤監測。因此，網格邊長的大小將影響高密度區域獲取的準確度，網格劃分的尺度要經過多次計算模擬，并結合實場景真實數據校準。同時，密度臨界值的定義也要考慮經驗數據或者實際管理情況而定。

在合理的確定參數后，行人可視范圍內的明顯位置標記網格位置識別信息，便于發現高密度聚集區域后，準確定位。根據實時人群分布，計算人群密度，分析高密度聚集區域，發出警示信號，管理者要及時控制行人流量，對高密度區域周圍的行人流進行疏散，并引導高密度區域內部的人群離開此區域。

三、結語

考慮到大型活動場站或場所基本都有視頻監控系統，管理者通過視頻實時監控人群動態，利用圖形圖像處理軟件或方法，提取行人位置分布信息，采用基于密度的網格聚類方法，及時發現高密度聚集區域，實時發出警示信號，可以采取現場管理者引導的方式實時限流，或者控制中心廣播指引疏散路徑等方式，阻止人群中出現高密度聚集區域。總之，行人對于活動場站或場所的擁擠度均有一定地認知，因此，只要采取有效的監測方法，設計合理的疏散線路，管理者提供警示信號與引導，可以避免高密度人群擠壓踩踏事故發生。

參考文獻：

[1] 陳封能、斯坦巴赫、庫瑪爾著， 范明、范宏建等譯. 數據挖掘導論：完整版[M]. 北京：人民郵電出版社，2011.